Python：groupby函数及分组后使用自定义函数计算分组后的值

groupby函数分组原理：
（1）不论分组键是数组、列表、字典、series、函数，只要待分组变量与分组键值的长度一致，都可以用groupby分组；
（2）分组可以按行或者按列进行，axis=0表示按行分组，axis=1表示按列分组，默认按行分组；
（3）对于分好的每个组，可以通过函数计算，python自带的或自定义的函数都行；
（4）将计算结果再聚合到一起输出。

下面通过例子对groupby函数进行具体说明：
创建一个dataFrame例子：

import numpy as np
import pandas as pd


def GroupbyDemo():
  df = pd.DataFrame({'key1': ['a', 'a', 'b', 'b', 'a'],
                     'key2': ['one', 'two', 'one', 'two', 'one'],
                     'data1': np.random.randn(5),
                     'data2': np.random.randn(5)})
  print(df)


if __name__ == '__main__':
  GroupbyDemo()

打印输出结果：

  key1 key2     data1     data2
0    a  one  0.921248  1.090957
1    a  two  0.211169 -1.826231
2    b  one  0.058034  0.978667
3    b  two  0.163153  0.835136
4    a  one -0.231977  0.645021

（1）将key1作为分组键值，对data1进行分组，再求每组的均值

grouped = df['data1'].groupby(df['key1']).mean()

得到结果为：

key1
a    0.924545
b   -0.148181

grouped = df['data1'].groupby(df['key1'])
    for i in grouped:
        print(i)

打印输出分组结果，分组结果类型为元祖

（2）将key1和key2都作为分组键值对data1进行分组，并求均值

grouped = df['data1'].groupby([df['key1'],df['key2']]).mean()

得到结果为：

key1  key2
a     one    -0.276938
      two     1.882745
b     one    -0.679474
      two    -0.269018

上述分组都是按行分组的情况，下面阐述按列分组的情况：
创建一个含列key的dataFrame

import numpy as np
import pandas as pd


def GroupbyDemo():
    df = pd.DataFrame({'key1': [1, 2, 3, 4, 5],
                       'key2': [10, 20, 30, 40, 50],
                       'data1': np.random.randn(5),
                       'data2': np.random.randn(5)},index=['joe','steve','wes','jim','travis'])
    print(df)


if __name__ == '__main__':
    GroupbyDemo()

打印输出：

        key1  key2     data1     data2
joe        1    10  1.467131  0.760701
steve      2    20  1.631652  1.518505
wes        3    30 -0.058462 -0.244320
jim        4    40 -0.595540 -2.083987
travis     5    50 -0.587168  0.795081

（1）按列分组：

    groupBy = {'key1': 'red', 'key2': 'red', 'data1': 'blue',
               'data2': 'blue'}
    grouped = df.groupby(groupBy, axis=1).mean()
    print(grouped)

打印输出：

            blue   red
joe     0.016355   5.5
steve   0.379583  11.0
wes     0.474951  16.5
jim     0.692162  22.0
travis -1.670801  27.5

使用自定义函数计算分组值：

import numpy as np
import pandas as pd


def GroupbyDemo():
    df = pd.DataFrame({'key1': [1, 2, 1, 2, 1],
                       'key2': [10, 20, 30, 40, 50],
                       'data1': np.random.randn(5),
                       'data2': np.random.randn(5)},index=['joe','steve','wes','jim','travis'])
    print(df)
    grouped = df['data1'].groupby(df['key1']).agg(peak_peak)
    print("#################################################")
    print(grouped)

def peak_peak(arr):
    return arr.max() - arr.min()

if __name__ == '__main__':
    GroupbyDemo()

打印结果：

        key1  key2     data1     data2
joe        1    10 -1.064144 -1.419688
steve      2    20 -0.191633 -0.254214
wes        1    30  0.911625 -1.258709
jim        2    40  0.100250  0.445733
travis     1    50 -0.980806  1.710197
#################################################
key1
1    1.975770
2    0.291883
Name: data1, dtype: float64